MétaCan
Menu
Retour à la cohorte
Enregistrement W2135188806 · doi:10.5539/ijef.v1n2p69

The Effect of Exchange Rate Disequilibrium and Financial Integration on Economic Growth

2009· article· en· W2135188806 sur OpenAlexvenueno aff
Amin U. Sarkar, Thouraya Hadj Amor

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisequilibriumCointegrationEconomicsDepreciation (economics)EconometricsDistortion (music)Generalized method of momentsPanel dataExchange rateRegime shiftTerm (time)MacroeconomicsMonetary economicsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

We identify the determinants of the equilibrium real exchange rates (RER) in 10 selected countries of South and South East Asia and estimate the RER distortion by testing the effect of international financial integration (IFI) on economic growth. We use a simple model that determines the equilibrium RER and a dynamic model of endogenous growth that traces the effect of the RER distortion. We applied the techniques of non-stationary dynamic panel, the tests of panel cointegration, and the method of least squared dynamics (DOLS) to estimate the relationship of cointegration. We also use the technique of Generalized Moments Method (GMM) in the system as applied to panel data to estimate the equation of dynamic growth. The IFI constitutes an important factor of long-term RER. An increase of it led to a long-term RER depreciation in the region. The evolution of the RER distortion for 1979-2004 was persevering and recurring: it was an alternation between periods of RER overvaluation and undervaluation in the region. The RER fluctuation in the short-term played against economic growth.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,221
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetMonetary Policy and Economic ImpactTravaux en français237 207